P Penerapan algoritma equivalence class transformation (eclat) dalam pencarian adverse event obat simvastatin

Abstract

Kolestrol merupakan jenis lemak yang beredar di dalam aliran darah serta memiliki peranan penting bagi fungsi tubuh. Namun, kelebihan kadar kolestrol dapat menimbulkan berbagai permasalahan pada tubuh yang mengganggu sistem jantung, pembuluh darah, dan otak. Simvastatin adalah obat penurun lipid dalam darah yang dapat mengurangi kolestrol. Pada penelitian ini dilakukan pencarian adverse event yang merupakan kejadian pada dunia kesehatan yang tidak diinginkan pada konsumsi obat simvastatin dengan menggunakan algoritma Equivalence Class Transformation (ECLAT). Data yang digunakan berasal dari Food and Drug Administration (FDA) yang berjumlah 22560 data. Data dikelola dengan proses Knowledge Discovery in Databases (KDD) yang melewati beberapa tahapan yaitu seleksi data, pemrosesan data, transformasi data, dan data mining. Hasil pengujian diukur berdasarkan nilai lift ratio yang bertujuan untuk mengukur kevalidan dari rule yang dihasilkan. Pengujian dilakukan menggunakan nilai minimum support 0.001 dan mendapatkan nilai lift ratio terbaik yaitu 886.00. Pada kombinasi 2 item mendapatkan rule terbaik yaitu “jika durasi therapy 98 Bulan maka mengakibatkan acute kidney injury” dari 1451 rule dengan waktu proses 2.70 detik. Kombinasi 3 item menghasilkan 39 rule dengan waktu proses 4.46 detik dengan rule terbaik “jika durasi therapy 142 Bulan dan terindikasi illdefined disorder maka mengakibatkan blood creatine increased”. Sedangkan pada kombinasi 4 item hanya menghasilkan rules sebanyak 18 data dengan rule terbaik “jika jenis kelamin f, durasi therapy < 1 Bulan dan terindikasi arteriogram coronary abnormal maka mengakibatkan anaphylactic shock” dalam waktu proses 3.45 detik.